非均衡文本分类的特征选择研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·研究现状与本文研究内容 | 第9-11页 |
| ·本研究论文的框架 | 第11-12页 |
| 第二章 文本分类及项技术 | 第12-21页 |
| ·文本预处理技术 | 第12-13页 |
| ·提取词条 | 第12页 |
| ·构建文档模型 | 第12-13页 |
| ·特征选择技术 | 第13-15页 |
| ·频率统计方法 | 第13-14页 |
| ·信息增益 | 第14页 |
| ·互信息 | 第14-15页 |
| ·CHI统计 | 第15页 |
| ·期望交叉熵 | 第15页 |
| ·文本的分类 | 第15-20页 |
| ·文本分类算法 | 第15-19页 |
| ·文本分类的评价指标 | 第19-20页 |
| ·非均衡文本分类关键问题 | 第20-21页 |
| 第三章 非均衡文本分类的常用特征选择算法 | 第21-25页 |
| ·DFICF特征选择算法 | 第21-22页 |
| ·DFICF算法的描述 | 第21页 |
| ·DFICF算法的优点 | 第21-22页 |
| ·DFICF算法的不足 | 第22页 |
| ·改进型特征选择算法类条件MI | 第22-24页 |
| ·改进型类条件MI算法的描述 | 第22-23页 |
| ·改进型类条件MI算法的优点 | 第23页 |
| ·改进型类条件MI算法的不足 | 第23-24页 |
| ·非均衡文本分类特征选择算法仍存在的问题 | 第24-25页 |
| 第四章 非均衡文本分类的改进型特征选择算法TIM | 第25-28页 |
| ·TF对特征评价作用 | 第25页 |
| ·特征的ICF对类别区分作用 | 第25-26页 |
| ·MI对小类别特征选择的优势 | 第26页 |
| ·TIM特征选择算法 | 第26-28页 |
| 第五章 TIM特征选择算法实验结果比较与分析 | 第28-44页 |
| ·实验过程 | 第28-30页 |
| ·语料准备 | 第28页 |
| ·文本预处理 | 第28-30页 |
| ·构建特征向量空间 | 第30页 |
| ·特征选择 | 第30页 |
| ·分类 | 第30页 |
| ·实验结果与分析 | 第30-44页 |
| ·标准MI特征选择算法分类结果与分析 | 第31-33页 |
| ·DFICF特征选择算法分类结果与分析 | 第33-36页 |
| ·类条件MI特征选择算法分类结果与分析 | 第36-39页 |
| ·TIM特征选择算法分类结果与分析 | 第39-42页 |
| ·四种不同特征选择算法分类效果对比分析 | 第42-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·本研究总结 | 第44-45页 |
| ·未来研究展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 在读期间发表的学术论文和研究成果 | 第49-50页 |
| 致谢 | 第50-51页 |
